在今日的高中校園裡，人工智慧（AI）教育似乎成了一種潮流。我們常見學生操控感測器、讓自走車循著黑線行進，或利用影像辨識技術讓機械手臂分辨顏色、完成任務。這些畫面充滿科技感，也令人驚艷，但若沒有價值澄清與認知深化，AI教育很容易變成「看起來像AI、但其實不是AI」的展示。真正的AI，不是模仿科技動作，而是讓學生在學習過程中培養理解、判斷與修正的能力。
一、AI的層次：從感測到智慧
某次我的學生專題提案時，一窩蜂選定視覺辨識應用，外聘專家提醒，工研院的聲音辨識技術非常純熟可以參考。更有幾位愛漂亮的女同學欲言又止，想跟現場的學者請教，韓流的AI建議彩妝是不是值得開發的題目。大家的眼睛為之一亮，想法茅塞󠇡頓開。
AI的形成包含多個層次。第一層是感測（sensing）──讓機器「看見」世界，例如紅外線、超音波、攝影鏡頭或環境感測器。第二層是資料蒐集與分析（data collection & analysis），學生必須知道如何獲取有意義的資料，以及資料背後的誤差來源。第三層是機器學習（machine learning），藉由演算法在大量數據中找出規律與關聯。第四層則是強化學習（reinforcement learning）與深度學習（deep learning）的應用，讓系統能透過「嘗試－錯誤」循環自我修正。而最關鍵的一層，是人類的反思與倫理判斷：理解技術的侷限、預測偏誤的風險，並察覺「過度學習（overfitting）」的陷阱——即模型在訓練資料上表現完美，卻在真實世界中失靈。
學生若能在操作自走車的過程中逐步體驗這些層次，從調整感測器靈敏度、觀察誤差來源，到分析路徑偏差的統計模式，最後再反思模型是否過度依賴某一組環境數據，他們便開始進入真正的AI學習。
二、從操作到思考：高中AI教育的轉向
中正高中新科技學程專班，課程中特別加強數學、資訊以及生活科技三科的打底工程，另外安排 Python、機器學習、AIoT／感測器、專題製作課程，暑假期間和大學合作強化學習應用、預測模型設計的密集課程。AI教育不應只是「讓機器動起來」，而要讓學生懂得「為什麼它會這樣動」。
在高中階段，AI課程的設計常容易停留在「成果展示」層次——車子能沿線前進、影像辨識能分出紅綠燈。然而若學生只是遵循既定步驟，並未理解背後的邏輯與資料關聯，便仍停留在「自動化技術」而非「人工智慧」的階段。真正有教育意義的AI課程，應引導學生問出更深層的問題：
(一)我蒐集的資料是否具代表性？
(二)為什麼演算法在不同環境下結果不同？
(三)如果模型過度依賴特定變數，是否會失去判斷的廣度？
(四)當AI做出錯誤預測時，該如何修正？
以自走車為例，當學生學會用Python記錄每秒感測值與車速，進行資料視覺化後，他們會發現：同樣的路線在不同光線、溫度或地面反光情況下，感測結果可能完全不同。此時教師可以引導學生理解「資料偏誤」與「模型調整」的概念，進而思考AI的判斷不可能脫離環境脈絡。這樣的課程讓學生從「操作者」變成「分析者」，也讓AI教育從技術示範轉為思維訓練。
三、資料的力量：從學習到社會實踐
AI的核心是資料，而資料的價值在於能轉化為洞見。中正高中學生曾以「捷運進出站人流預測」為題，進行AI專題研究。他們蒐集臺北捷運公司開放資料（Open Data）中的每日進出站人次，再搭配學校鄰近地區的活動資訊、天氣資料、假期日曆等多重變項，嘗試建立一個能預測人流趨勢的AI模型。
這個專題的創新之處，在於學生不僅停留於「預測準確率」的比較，而是反思「模型是否學過頭」。他們發現，若模型只針對特定時段（例如通勤高峰）進行訓練，雖然準確率高，但在寒假或節慶期間卻完全失效。這正是「過度學習（overfitting）」的典型例子：系統記住了資料中的細節，卻失去了對變化的理解力。
因此，學生主動修改演算法，使其能自動辨識季節性差異，並利用強化學習機制動態調整權重。這樣的學習歷程，讓學生不僅理解「AI如何學」，更理解「AI會錯在哪裡」，並思考「人類該如何負責任地修正它」。
這項人流預測技術如今已可實際運作，能即時分析捷運站月台與車廂間的人流量變化，全體捷運族無論尖峰或者離峰時段均是受益者。對於高中生而言，它展現了AI教育從校園實作走向社會應用的潛力。
四、從學習技術到學習判斷：AI教育的真正目標
AI教育的終極目標，不是讓學生成為工程師，而是培養具備AI素養的公民。AI教育不應只是技術教育，而是「人文與科技的交叉教育」。學生在面對AI時，學到的不僅是程式語法或演算法公式，而是如何在資訊過載的時代中做出負責任的判斷。
從智慧自走車的修正實驗，到捷運人流預測的社會應用，AI學習的每一個階段都在訓練學生「看見問題、定義問題、解決問題」。當他們理解資料如何影響判斷，理解模型如何因偏誤而失靈，理解「過度學習」不只是技術失誤、更是倫理盲點時，他們便真正踏上了AI教育的核心之路。
參考文獻：
Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.